降低聚类天真性的特征
仅凭角色是不够的。角色加上上下文才足够。
有用的聚类特征包括:
- 角色资历得分、
- 买入与卖出指标、
- 公开市场与非公开市场分类、
- 工具复杂性得分、
- 交易日期与披露日期之间的滞后时间、
- 前30天内同一发行人的内部人申报数量、
- 交易前20个交易日的异常回报、
- 发行人规模分档、
- 行业分档、
- 财报窗口临近度、
- 交易是否发生在重大价格跳空之后。
一种简单的无监督方法,例如对标准化特征进行k-means聚类或对混合数据类型进行层次聚类,已经可以将常规薪酬活动与可能具有信息量的酌情交易区分开来。更高级的方法,如HDBSCAN或高斯混合模型,可能会发现稀疏但有趣的聚类,尤其是在内部人行为同质性较低的小盘股中。
重点不是发现形而上学的真理。而是停止将每一份匿名的瑞士申报都视为等同。它们并非如此。
强度评分,具名内幕人士追踪的实用替代方案
如果聚类分析能告诉您正在关注的事件类型,那么强度评分则能告诉您该事件值得多少关注。
这正是匿名数据仍能发挥作用的地方。一个基于角色层面的强度模型不需要知道内幕人士是谁。它只需要知道该事件是否异常、是否具有自主性以及是否可能基于内幕信息。
构建强度评分
一个合理的强度评分可以由五个组成部分的加权组合构建。
1. 角色权重
对那些被认为拥有更多运营和财务信息获取权限的角色,赋予更高的基线权重。
示例排序:
- 首席执行官 (CEO)
- 首席财务官 (CFO)
- 首席运营官 (COO) 或同等高级管理人员
- 董事会主席
- 其他高级管理层
- 非执行董事
- 关联人士,除非与已知的管理角色相关联
此排名并非一成不变。在某些公司,董事长深度参与;在另一些公司,则仅具象征意义。当治理数据支持时,模型应允许发行人特定的覆盖。
2. 交易自主性权重
公开市场购买应获得最高的正权重。公开市场出售获得中等权重。期权行权、授予和与归属相关的交易获得较低权重,除非伴随有明确的自主性持有或出售决定。
这一原则得到了更广泛的内幕交易文献的充分支持。Seyhun 的研究以及后来在不同司法管辖区的研究反复发现,买入的预测内容强于卖出,正是因为卖出受到流动性、多元化和税收动机的污染。
3. 异常规模权重
规模很重要,但仅限于相对背景而言。在具名制度下,可以根据内幕人士持股量进行调整。在瑞士,匿名性阻碍了这条途径。变通方法是根据发行人层面的变量进行调整:
- 交易价值相对于发行人自由流通市值的比例,
- 交易价值相对于发行人披露的管理层交易规模中位数的比例,
- 交易价值相对于估计的年度高管现金薪酬的比例(当公开薪酬报告允许粗略基准测试时)。
这种方法并不完美。但它仍然优于将 CHF 200,000 和 CHF 20 million 视为等同的情绪表达。
4. 时间集中度权重
单一申报可能是噪音。一连串申报则更难忽视。如果多个角色类别在短时间内朝同一方向交易,则分数应上升。当集群同时包括高管和董事时,尤其如此。
时间集中度可以衡量为:
- 7、14 和 30 天内同方向的内幕交易申报数量,
- 涉及的不同角色类别数量,
- 按价值计算的净买卖失衡。
匿名性削弱了人员计数,但角色多样性仍然可观察且有用。
5. 事件背景权重
同一笔交易根据时机可能意味着不同的事情。董事在下跌 25% 之后和战略更新之前进行的购买,与在常规季度之后进行的同等规模购买不同。同样,高管在锁定期到期或薪酬归属后立即进行的出售应予以折价。
一个实用的事件上下文层包括:
- 距离财报发布的天数,或财报发布以来的天数,
- 距离指引变更的天数,或指引变更以来的天数,
- 距离融资公告的天数,或融资公告以来的天数,
- 近期异常波动,
- 近期分析师预期修正。
这将静态的备案信息转化为情境化的事件。